FrontierCode 1.1 显示 Opus 5 在更强推理下反而降分
andrew_n_carr · x · 2026-07-25
- 转发帖指出，Opus 5 在 FrontierCode 1.1 上并不总是占优，尤其是在 xhigh 和 max 推理设置下，分数反而更低。
- 帖子里的调查结论是：该基准里的 scope 指标会惩罚 Opus 5 做了与任务无关的修改，从而影响总分。
- 配图是 FrontierCode 1.1 Main 的 score vs cost 对比图，能看到 Opus 5、Fable 5、GPT-5.5/5.6、Kimi K2.7、GLM 5.2 等模型在分数与成本上的位置。
- 这条信息的重点不是单一分数，而是提示：基准结果可能非常依赖 rubric 细节，尤其是对“scope”的定义。
所属事件:Opus 5 编码测试反转：推理越强分数反而下滑(13 条相关)→
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11